Ҳангоми банақшагирии навсозӣ, ҷудокунӣ ё истифодаи дубораи маводи бинои мавҷуда танҳо сатҳи намоёни девор маълумоти кофӣ намедиҳад. Дар паси ранг ё гипсокартон метавонанд сутунҳои металлӣ ё чӯбӣ, изолятсияи шишапахта, бетон, хишт, блокҳои бетонӣ, қубурҳои барқӣ, розеткаҳо, каналҳо ва қабатҳои гуногун ҷой дошта бошанд. Номаълум будани ин ҷузъҳои пинҳонӣ таҳияи моделҳои иттилоотии бино, сохтани шиносномаи мавод, ҳисоб кардани карбони дарунсохт ва қарорҳои истифодаи дубораро мушкил мекунад.

Дар ин таҳқиқот барои пешгӯии ҷузъҳои пинҳонии девор бе шикастани он ҷараёни кории мултимодалии модели тасвир-забон таҳия шудааст. Система маълумоти матнии аз GIS ва сабтҳои бино гирифташуда, нақшаҳои ошёна, аксҳои муқаррарии RGB ва тасвирҳои камераи гармиро якҷо арзёбӣ мекунад. Натиҷаи модел танҳо нишонаи синфӣ ба мисли “ин девор сутунҳои металлӣ дорад” нест. Ба ҷои ин, система графи сохтории васли деворро истеҳсол мекунад, ки тартиби қабатҳои девор, маводҳо, шумораи сутунҳо, пуркунандаи изолятсионӣ ва баъзе ҷузъҳои механикӣ-барқӣ-таъминотиро дар бар мегирад.

Ҷараёни кор аввал пешгӯии фишурдаеро бо шумораи ками қабатҳои асосӣ месозад, сипас онро ба гиреҳҳои муфассал васеъ мекунад, ҷузъҳои MEP ба монанди қубури барқӣ ва розеткаро илова мекунад ва дар марҳилаи ensemble, ки чанд натиҷаи моделро якҷо мекунад, пешгӯии ниҳоиро тавлид менамояд. Ин сохтори JSON баъдан метавонад ба модели сеандоза, навъи девори BIM, инвентаризатсияи мавод ё ҳисобкунии карбони дарунсохт табдил дода шавад.

Усул аввал дар макети таҷрибавии деворе, ки сохтори дохилии он бо итминон маълум буд, ва сипас дар маҷмӯъ 22 девори воқеӣ дар чор бинои тиҷоратии офисӣ дар Boston, San Francisco, Toronto ва Birmingham арзёбӣ шудааст. Дар деворҳои воқеӣ танҳо бо маълумоти GIS дақиқии умумии графӣ %54 буд; бо илова шудани нақшаи ошёна, акси RGB ва тасвири гармӣ ин қимат ба %76 расид. Бо ҳамин ғанисозии маълумот хатои нисбии карбони дарунсохт аз %104 то %26 коҳиш ёфт.

Бо вуҷуди ин, усул дохили деворро ҷисман намебинад. Модел аз ҳуҷҷатҳои мавҷуда, нишонаҳои намоён, намунаҳои гармӣ ва донишҳои маъмул дар бораи сохтмон, ки қаблан омӯхтааст, хулосаҳои эҳтимолӣ мебарорад. Тамғаҳои истинодии маҷмӯи маълумоти деворҳои воқеӣ низ ба ҷои тасдиқи харобкунанда бо истифода аз моделҳои Revit, нақшаҳо, сканҳои гармӣ, тафсири коршиносон ва мушоҳидаҳои ҷисмонӣ омода шудаанд. Аз ин рӯ, натиҷаҳо набояд ҳамчун ташхиси дақиқ ва кафолатноки мундариҷаи девор, балки ҳамчун пешгӯии таҷрибавие арзёбӣ шаванд, ки пеш аз санҷиши харобкунанда метавонад дастгирии қарор фароҳам оварад.

Масъалаи асосии таҳқиқот чист?

Дар бинои нав таркиби ҳар девор аз кадом маводҳо иборат аст, аксаран дар нақшаҳои тарроҳӣ ва файлҳои BIM сабт мешавад. Аммо дар биноҳои кӯҳна ин ҳуҷҷатҳо метавонанд умуман вуҷуд надошта бошанд, нопурра бошанд ё таъмиру тағйироти бо мурури вақт гузаронидашударо инъикос накунанд. Байни тарҳи ибтидоӣ ва ҳолати воқеии имрӯза фарқҳои муҳим ба вуҷуд омада метавонанд.

Масалан, девори ҷудокунандаи дохилӣ аз берун танҳо ҳамчун гипсокартони рангшуда намоён шуда метавонад. Аммо дар дохили девор метавонад:

• Системаи сутунҳои чӯбӣ ё металлӣ,
• Шишапахта ё дигар изолятсия,
• Қубурҳои барқӣ ва розеткаҳо,
• Қубурҳои об ё каналҳои ҳавоӣ,
• Каналҳои уфуқии металлӣ,
• Қабатҳои бетон, хишт ё блоки девории бетонӣ

ҷой дошта бошанд. Ин ҷузъҳо аз берун мустақиман дида намешаванд.

Роҳи анъанавии ба таври дақиқ фаҳмидани сохтори дохилии девор кушодани сатҳ, пармакунӣ, истифодаи borescope ё ҷудо кардани як қисми девор мебошад. Ин усулҳо вақт, иҷозат, меҳнат ва хароҷот талаб мекунанд; илова бар ин, дар бинои дар истифода буда татбиқи онҳо барои ҳар девор аксаран имконнопазир аст.

Бо вуҷуди ин, барои навсозии бино, ҷудокунии интихобӣ ва қарорҳои истифодаи дубора донистани маводи дохили девор зарур аст. Агар шумораи сутунҳои металлӣ дар девор маълум набошад, миқдори пӯлоди барқароршаванда; агар навъи изолятсия маълум набошад, потенсиали истифодаи дубора; ва агар ғафсии қабатҳо маълум набошад, ҳисобкунии карбони дарунсохтро боэътимод пешгӯӣ кардан душвор мегардад.

Чаро ин барои шиносномаи мавод ва иқтисоди даврии сохтмон муҳим аст?

Шиносномаи мавод сабти рақамиест, ки дар бино кадом маводҳо мавҷуданд, миқдор, ҷойгиршавӣ, хусусият ва арзиши эҳтимолии истифодаи дубораи онҳоро муайян мекунад. Барои сохтани чунин сабт на танҳо сатҳҳои намоён, балки ҷузъҳои пинҳонии сохтмон низ бояд маълум бошанд.

Дар равиши даврии сохтмон, ки таҳқиқот ба он такя мекунад, қадами аввал “муайянсозӣ” мебошад. Пеш аз он ки қарор дода шавад, ки мавод ҷудошаванда, дубора истифодашаванда, коркарди такрорӣ ё ҳамчун партов ҷудошаванда аст, бояд маълум бошад, ки он воқеан дар сохтмон мавҷуд аст ё не ва дар кадом контексти физикӣ ҷойгир аст.

Усули пешниҳодшуда кӯшиш мекунад мундариҷаи деворҳоро бе санҷиши харобкунанда тахминан пешгӯӣ карда, равандҳои зеринро дастгирӣ кунад:

• Таҳияи шиносномаи мавод барои биноҳои мавҷуда,
• Ҳисоб кардани карбони дарунсохт,
• Муайян кардани деворҳое, ки ҳангоми навсозӣ метавон ҳифз кард,
• Омода кардани нақшаҳои ҷудокунии интихобӣ,
• Пешгӯии миқдори метал, чӯб ва изолятсияи дубора истифодашаванда,
• Интиқоли ҳолати мавҷуда ба модели BIM.

Ин таҳқиқот аз равишҳои пешина чӣ фарқ дорад?

Қисми муҳими усулҳои мавҷудаи computer vision ба шинохти маводи намоёни фасад, ҷудо кардани унсурҳои сохтмон аз point cloud ё табдил додани сатҳҳои сканшуда ба объектҳои BIM тамаркуз мекунанд. Ин системаҳо метавонанд ҷузъҳои намоён ба монанди хишт, бетон, тиреза ё дарро муайян кунанд, аммо қабатҳои дар дохили девори анҷомшуда ҷойгирбударо мустақиман нишон намедиҳанд.

Системаҳои machine learning-и доираи танг одатан формати вуруди собит талаб мекунанд. Масалан, моделе, ки танҳо бо тасвири гармии resolution-и муайян омӯзонида шудааст, метавонад дар бинои бе нақшаи ошёна ё бо камераи дигар истифода бурда шавад ва бад кор кунад. Барои васлҳои пинҳонии девор сохтани маҷмӯи калону боэътимоди тамғагузоришуда низ хеле душвор аст, зеро барои ҳар тамға мундариҷаи девор бояд ҷисман тасдиқ шавад.

Ин таҳқиқот алгоритми нави foundation learning таҳия намекунад. Муҳаққиқон онро ба таври равшан ҳамчун “system-level framework” тавсиф мекунанд. Саҳми асосӣ истифодаи моделҳои умумии пешомӯхташудаи тасвир-забон бо prompt-ҳои бодиққат таҳияшуда ва табдил додани натиҷа ба графи васли деворест, ки ба BIM табдил дода мешавад.

Ба система кадом маълумот дода мешавад?

Ҷараёни кор чор навъи асосии маълумотро қабул мекунад. Барои ҳар девор мавҷуд будани ҳамаи онҳо ҳатмӣ нест.

Хароҷоти ҷамъоварии маълумот низ ба ҳамин тартиб зиёд мешавад. Сабти GIS аксаран аз манбаъҳои давлатӣ дастрас аст, дар ҳоле ки тасвиргирии гармӣ камераи махсус, фарқи мувофиқи ҳарорат ва боздиди саҳроиро талаб мекунад. Аз ин рӯ, система барои кор бо маълумоти нопурра низ тарҳрезӣ шудааст.

Графи васли девор чист?

Барои ҳар девор графи васли девор бо \(S_i\) истеҳсол мешавад. Ин сохтор дарахти решадорест, ки дар формати JSON ташкил шудааст. Калиди реша “layers”, яъне “қабатҳо” мебошад. Қабатҳои девор аз як сатҳи берунӣ то сатҳи муқобил бо тартиб нишон дода мешаванд:

\[ L=[l_1,l_2,\ldots,l_n] \]

Дар ин ҷо \(l_1\), қабати берунитарин дар як тарафи девор ва \(l_n\), қабати охирин дар тарафи муқобил мебошад.

Дар ҳар қабат ҳадди ақал ду хусусияти асосӣ мавҷуд аст:

• material: Номи мавод, ба монанди гипсокартон, чаҳорчӯбаи сутунҳои металлӣ ё шишапахта,
• confidence: Эътимоди модел ба ин пешгӯӣ, ки аз 0 то 1 ифода мешавад.

Агар як қабат якчанд ҷузъ дошта бошад, маълумоти иловагӣ истифода мешавад. Масалан, агар дар дохили чаҳорчӯбаи сутунҳои металлӣ изолятсияи шишапахта бошад, шумораи сутунҳо ва пуркунандаи холигӣ дар як гиреҳи иерархӣ нишон дода мешаванд.

Намунаи содашудаи дар таҳқиқот овардашуда чунин аст:

{
  "layers": [
    {
      "material": "Drywall",
      "confidence": 0.95
    },
    {
      "material": "Metal Stud Frame",
      "confidence": 0.85,
      "number": 4,
      "filling": {
        "material": "Fiberglass Insulation"
      }
    },
    {
      "material": "Drywall",
      "confidence": 0.95
    }
  ]
}

Ин намуна девори маъмулии ҷудокунандаи дохилиро тавсиф мекунад, ки дар ду тараф гипсокартон, чор сутуни металлӣ ва байни сутунҳо изолятсияи шишапахта дорад.

Бартарии равиши графӣ дар он аст, ки модел маҷбур нест координатаҳои дақиқи сеандозаи ҳамаи ҷузъҳоро мустақиман пешгӯӣ кунад. Аввал маводҳо ва муносибатҳои иерархии байни онҳо муайян мешаванд; сипас бо истифода аз андозаҳои воқеии девор геометрияи сеандоза сохта мешавад.

Ҷараёни чорқадамӣ чӣ гуна кор мекунад?

Қадами 1: Пешгӯии графи фишурда

Модели тасвир-забон дар қадами аввал одатан пешгӯии содашудаи деворро бо се то панҷ қабати асосӣ истеҳсол мекунад. Ҳадафи ин қадам ҳал кардани ҳамаи ҷузъиёти майда нест, балки муайян кардани навъи асосии девор мебошад.

Модел дар ин қадам кӯшиш мекунад ба саволҳои зерин ҷавоб диҳад:

• Девор ҷудокунандаи дохилӣ аст ё девори берунӣ?
• Қабати берунӣ гипсокартон, хишт, бетон ё блоки бетонӣ аст?
• Чаҳорчӯбаи сутундор мавҷуд аст?
• Сутунҳо чӯбӣ ҳастанд ё металлӣ?
• Тақрибан чанд сутун мавҷуд аст?
• Дар байни сутунҳо изолятсия ҳаст?

Қадами 2: Васеъ кардани граф

Дар пешгӯии аввал “чаҳорчӯбаи чор сутуни металлӣ бо пуркунандаи шишапахта” метавонад ҳамчун як гиреҳи мураккаб нишон дода шавад. Дар қадами дуюм скрипти Python, ки AI истифода намекунад, ин гиреҳро ба ҷузъҳои муфассал ҷудо мекунад.

Ҳамин тавр, ҳар сутуни металлӣ, минтақаи изолятсия ва канали уфуқӣ ба гиреҳи алоҳида табдил меёбад. Ин васеъкунӣ барои он зарур аст, ки дар қадами навбатӣ ҷузъҳои барқӣ ва таъминотӣ ба ҳуҷайраҳои муайян пайваст карда шаванд.

Қадами 3: Пешгӯии ҷузъҳои MEP

MEP ҷузъҳои механикӣ, барқӣ ва санитариро ифода мекунад. Дар ин қадам модел махсусан минтақаҳои изолятсияро таҳлил карда, мавҷудияти унсурҳои зеринро пешгӯӣ мекунад:

• Қубурҳои барқӣ,
• Розеткаҳо,
• Қубурҳои об,
• Каналҳои ҳавоӣ.

Prompt-и истифодашуда талаб мекунад, ки ин ҷузъҳо танҳо ҳангоми мавҷуд будани далели визуалии қавӣ илова карда шаванд. Бо вуҷуди ин, натиҷаҳо нишон доданд, ки модел дар пешгӯии мавҷудияти ҷузъ нисбат ба муайян кардани он ки ҷузъ дар байни кадом сутунҳо ҷой дорад, муваффақтар аст.

Қадами 4: Стратегияи ensemble

Ҳангоми чанд бор иҷро кардани модел бо ҳамон воридот графҳои гуногун тавлид шуда метавонанд. Сабаб ин аст, ки натиҷаҳои моделҳои тасвир-забон дорои тағйирёбии тасодуфӣ ҳастанд.

Азбаски шумораи гиреҳҳо ва иерархияи графҳо метавонанд фарқ кунанд, majority voting-и оддӣ истифода нашудааст. Ба ҷои ин, модел чанд графи номзадро якҷо арзёбӣ карда, ҷузъҳои умумӣ ва пешгӯиҳои ғайримуқаррариро тафсир мекунад ва бо як амали generative merge графи ниҳоиро месозад.

Масалан, агар дар чор аз панҷ пешгӯӣ сутуни металлӣ мавҷуд бошад, вале шумораи сутунҳо се, чор ва панҷ нишон дода шавад, система танҳо matching-и матнӣ намекунад; тамоми номзадҳоро сохторӣ тафсир карда, графи ниҳоиро месозад.

Кадом модели тасвир-забон истифода шуд?

Дар таҳқиқот гуфта шудааст, ки ҳамаи таҷрибаҳо бо модели тасвир-забони GPT-5.4 тавассути OpenAI API анҷом дода шудаанд. Танзимоти пешфарзи sampling истифода шудаанд; temperature, top-p, seed sampling ё random seed ба таври равшан тағйир дода нашудаанд.

Ҳар девор ва ҳар комбинатсияи маълумот аз ҷараёни чорқадамӣ ба таври мустақил панҷ бор гузаронида шудааст. Дар натиҷаҳо миёна ва standard deviation-и ин такрорҳо гузориш шудааст.

Дар муқоисаи иловагӣ натиҷаҳои GPT-5.2 ва GPT-5.4 алоҳида пешниҳод шудаанд. Ин муқоиса ду силсилаи гуногуни дақиқиро, ки дар хулоса ва баъзе бахшҳои муҳокима дида мешаванд, шарҳ медиҳад:

Дар баъзе қисмҳои матн гуфта мешавад, ки дақиқӣ аз %47 то %74 афзудааст, дар қисмҳои дигар бошад аз %54 то %76. Ҷадвалҳо нишон медиҳанд, ки ин фарқ ба ду версияи ҷудогонаи модел тааллуқ дорад.

Таҷрибаи 1: Макети деворе, ки мундариҷааш дақиқ маълум аст

Дар таҷрибаи аввал макети физикии девор сохта шуд, ки девори ҷудокунандаи маъмулии офисро дар бинои фарзии Boston, ки дар аввали солҳои 2000 сохта шудааст, намояндагӣ мекард.

Девор ҷузъҳои зеринро дар бар мегирифт:

• Гипсокартон дар ҳар ду тараф,
• Чор сутуни амудии металлӣ,
• Изолятсияи шишапахта байни сутунҳо,
• Қубурҳои барқӣ ва розеткаҳо,
• Ҷузъҳои иловагии пинҳонӣ ба монанди қубур ва канали ҳавоӣ.

Бартарии ин таҷриба дар он буд, ки муҳаққиқон мундариҷаи воқеии деворро пурра медонистанд. Аз ин рӯ, графи пешгӯишуда бо графи воқеӣ мустақиман муқоиса карда шуд.

Маълумоти GIS-и барои макет истифодашуда аз сабти воқеии давлатӣ гирифта нашуда, балки мувофиқи сенарияи таҷриба ба таври синтетикӣ сохта шуда буд. Нақшаи ошёна бошад, аз нақшаи воқеии бинои Boston, ки макет онро намояндагӣ мекард, гирифта шудааст. Аз ин рӯ, муҳаққиқон таҷрибаи аввалро на ҳамчун далели самаранокии ҷаҳони воқеӣ, балки ҳамчун таҳлили controlled ablation ва calibration тавсиф мекунанд.

Мушкилоти тасвиргирии гармӣ

Азбаски макети девор дар муҳити мустақили дохилӣ ҷой дошт, ба вуҷуд овардани фарқи ҳарорати воқеӣ байни ду тарафи девор душвор буд. Бо heating pads кӯшиш шуд фарқи ҳарорат ба вуҷуд оварда шавад, аммо изолятсияи шишапахта гузариши гармиро сахт маҳдуд кард.

Тасвири гармии аз болои гипсокартони анҷомшуда гирифташуда resolution-и ҳамагӣ 382 × 288 пиксел дошт ва ҷузъиёташ заиф буд. Барои гирифтани тасвири гармии равшантар, пеш аз пӯшидани қабати охирини гипсокартон камера ба сутунҳо ва изолятсия наздиктар оварда шуд ва тасвири иловагӣ гирифта шуд.

Ин маҳдудияти муҳими таҷриба аст. Вуруди гармии resolution-и баланд, ки дар таҷрибаи макет истифода шуд, дар девори воқеии анҷомшуда ҳамеша дастрас нест.

Дар тасвирҳои гармӣ:

• Баъзе сутунҳо ва қубурҳои барқӣ қисман дида шуданд,
• Канали ҳавоӣ ва қубури паси изолятсия асосан намоён нашуданд.

Ин натиҷа нишон медиҳад, ки камераи гармӣ “рентген”-е нест, ки тамоми чуқурии деворро мебинад. Камера танҳо таъсирҳои ғайримустақимро ба ҳарорати сатҳ дарк мекунад.

Натиҷаҳои таҷрибаи макет

Дар макети назоратшавандаи девор баъзе комбинатсияҳои ду навъи маълумот ҳам беш аз %80 дақиқӣ доданд. Ҳангоми якҷо истифода шудани GIS ва акси RGB дақиқии графӣ %93 ба даст омад. Баъзе комбинатсияҳои сегона бошад дар диапазони %82–88 монданд.

Ин натиҷа нуқтаи муҳимро нишон медиҳад: маълумоти бештар ҳамеша маънои натиҷаи беҳтарро надорад. Агар навъи нави маълумот бо нишонаҳои мавҷуда мухолиф бошад, он метавонад тафсири моделро душвор кунад.

Барои макет ҳангоми истифодаи ҳамаи навъҳои маълумот ва ensemble-и мувофиқ дар баъзе иҷроҳо:

• Дақиқии графӣ 1,00,
• Хатои нисбии карбони дарунсохт %0

гузориш шудааст. Аммо ин натиҷа маънои онро надорад, ки система дар ҳамаи деворҳои воқеӣ %100 дуруст аст. Макети девор ҳамзамон намунаи calibration буд, ки дар он prompt ва параметрҳо таҳия шуданд.

Таҷрибаи 2: 22 девори воқеӣ дар чор шаҳр

Дар таҷрибаи дуюм аз чор бинои тиҷоратии офисӣ дар маҷмӯъ 22 девор таҳқиқ карда шуд:

Маҷмӯи маълумот ҳам деворҳои дохилӣ ва ҳам берунӣ дорад. Аммо ҳамаи намунаҳо аз биноҳои тиҷоратии офисӣ ё омехтабо истифодаи офисӣ гирифта шудаанд. Хонаҳои истиқоматӣ, биноҳои таърихии сангӣ, mass timber ё усулҳои маҳаллии сохтмони ғайриҒарбӣ дар ин маҷмӯи маълумот тасдиқ нашудаанд.

Мундариҷаи “дуруст”-и деворҳои воқеӣ чӣ гуна муайян шуд?

Деворҳои биноҳои воқеӣ барои тасдиқ вайрон карда нашуданд. Тамғаҳои истинодӣ бо арзёбии якҷояи манбаъҳои зерин омода шуданд:

• Моделҳои мавҷудаи Revit ва BIM,
• Нақшаҳои ошёнаи аслӣ ва давраи навсозӣ,
• Сканҳои гармие, ки коршиносон тафсир кардаанд,
• Санҷишҳои физикии мутахассисони меъморӣ, ки таърихи сохтмони биноҳоро медонистанд.

Ин усули бисёрманбаъӣ дар шароити дастрасӣ истиноди қавӣ месозад. Бо вуҷуди ин, муҳаққиқон қабул мекунанд, ки азбаски кушодани физикӣ анҷом нашудааст, номуайянии тамғаҳо пурра бартараф намешавад.

Дақиқии графӣ чӣ гуна ҳисоб шуд?

Графи пешгӯишуда \(G_P\) ва графи истинодӣ \(G_{GT}\) ба дарахтҳои решадор бо маълумоти мавод ва самт табдил дода шуданд. Масофаи таҳрири дарахт байни ду сохтор бо алгоритми Zhang–Shasha ҳисоб шудааст:

\[ D(G_P,G_{GT})= \min_{(e_1,\ldots,e_k)\in\mathcal{P}(G_P,G_{GT})} \sum_{i=1}^{k}c(e_i) \]

Дар ин ҷо:

• \(\mathcal{P}(G_P,G_{GT})\), ҳамаи роҳҳои имконпазири таҳрирро, ки графи пешгӯишударо ба графи истинодӣ табдил медиҳанд,
• \(e_i\), амали илова, ҳазф ё ивазро,
• \(c(e_i)\), арзиши амали дахлдорро ифода мекунад.

Арзиши илова ва ҳазфи гиреҳ 1,0 муайян шуд. Агар мавод хато бошад, арзиши иваз 1,0; агар танҳо самт хато бошад, арзиш 0,1 истифода шуд.

Барои муқоисаи графҳои андозаҳои гуногун масофа аз рӯи ҳадди болоии зерин normalize шуд:

\[ D_{\max}=|T_{GT}|+|T_P| \]

Дар ин ҷо \(|T|\), шумораи умумии гиреҳҳо дар дарахти дахлдор аст.

Дақиқии ниҳоии графӣ чунин ҳисоб шуд:

\[ GBA(G_P,G_{GT})= 1-\frac{D(G_P,G_{GT})}{D_{\max}} \]

Чӣ қадар қимат ба 1 наздик бошад, графи пешгӯишуда ба сохтори истинодӣ ҳамон қадар наздик мешавад. Азбаски баръакс кардани тартиби қабатҳои девор метавонад аз ҷиҳати физикӣ сохтори баробар диҳад, пешгӯӣ ҳам дар самти аслӣ ва ҳам бо баръакс кардани фарзандони сатҳи дуюм арзёбӣ шуда, дақиқии баландтар гузориш шуд.

Хатои нисбии карбони дарунсохт чӣ гуна ҳисоб шуд?

Ба ҳар ҷузъи пешгӯишуда коэффисиенти карбони дарунсохт таъин шуд. Масалан, саҳми карбонии гипсокартон бо муносибати зерин ҳисоб шуд:

\[ EC=D_{EC}\times H\times L \]

Дар ин ҷо:

• \(D_{EC}\), зичии карбони дарунсохти гипсокартон дар як воҳиди масоҳат,
• \(H\), баландии девор,
• \(L\), дарозии деворро ифода мекунад.

Дар ҳамаи деворҳо баландии пешфарз 10 фут, тақрибан 3,05 метр қабул шуд. Дар деворҳои сутундор дарозӣ бо истифода аз шумораи истинодии сутунҳо ва фарзияи фосилаи 16-дюймаи байни сутунҳо ҳисоб шуд.

Саҳми карбонии сутунҳо бошад чунин муайян шуд:

\[ EC=D_{stud}\times N \]

Дар ин ҷо \(D_{stud}\), коэффисиенти карбонии як сутун ва \(N\), шумораи сутунҳоро нишон медиҳад.

Хатои нисбӣ байни карбони дарунсохти умумии пешгӯишуда ва қимати истинодӣ бо муносибати зерин ҳисоб шуд:

\[ ECRE(EC_P,EC_{GT})= \frac{|EC_P-EC_{GT}|}{|EC_{GT}|} \]

Дар ин ҷо \(EC_P\), карбони пешгӯишуда ва \(EC_{GT}\), миқдори истинодии карбони дарунсохт мебошад. Қимати пасттар натиҷаи беҳтарро нишон медиҳад.

Фарзияҳои истифодашуда дар ҳисобкунии карбон

Дар таҳқиқот барои гипсокартон, шишапахта, бетон, блоки бетонӣ, хишт, рӯйпӯши металлӣ, сутунҳои металлӣ ва чӯбӣ, каналҳо, қубурҳо ва розеткаҳо коэффисиентҳои гуногун истифода шуданд. Қисми муҳими ин қиматҳо ба миёнаҳои базаи EC3 асос ёфта, марҳилаҳои cradle-to-gate ё A1–A3-ро фаро мегиранд.

Намунаҳои коэффисиентҳо чунинанд:

Инҳо қиматҳои аз environmental product declaration-и ҳар як девори воқеии таҳқиқшуда гирифташуда нестанд. Онҳо коэффисиентҳои миёнае мебошанд, ки барои муқоисаи стандартӣ интихоб шудаанд. Аз ин рӯ, метрикаи ECRE на ҳисобкунии дақиқи давраи ҳаёти бинои воқеӣ, балки муқоисаи таҷрибавиест, ки нишон медиҳад хатои пешгӯии ҷузъҳои девор ҳисобкунии карбонро то чӣ андоза вайрон мекунад.

Натиҷаҳои умумӣ дар деворҳои воқеӣ

Натиҷаҳо нишон медиҳанд, ки бузургтарин ҷаҳиш ҳангоми илова шудани акси RGB рух додааст. Нақшаи ошёна дақиқиро танҳо аз 0,54 то 0,57 зиёд кард, дар ҳоле ки бо RGB он ба 0,71 расид. Иловаи тасвири гармӣ дақиқии умумиро ба 0,76 расонд.

Дар хатои карбони дарунсохт гузариш аз GIS ба нақшаи ошёна беҳбудии назаррастар дод. Хато аз %104 то %44 коҳиш ёфт. Бо RGB ба %28 ва бо тасвири гармӣ ба %26 расид.

Дар ҳолати истифодаи танҳо GIS аз %100 зиёд шудани хатои нисбӣ нишон медиҳад, ки модел метавонад навъи деворро хато интихоб кунад ё миқдори аз ҳад зиёди маводи карбони баландро пешгӯӣ намояд.

Натиҷаҳо аз рӯи шаҳр

Намунаҳои Boston баландтарин натиҷаи миёнаро доданд. Муҳаққиқон фарқҳои байни шаҳрҳоро мустақиман ба ҷуғрофия нисбат намедиҳанд. Сабаби асосӣ эҳтимол он аст, ки баъзе биноҳо ба намунаҳои маъмуле, ки модел қаблан омӯхтааст, бештар ё камтар мувофиқанд.

Масалан, модел дар як девори берунии San Francisco қабати сутунҳои металлӣро гузаронидааст. Дар баъзе деворҳои ҷудокунандаи Birmingham, ки аз гипсокартон ва блоки бетонӣ иборат буданд, модел хато чаҳорчӯбаи сутундор пешгӯӣ кардааст. Баръакс, дар баъзе деворҳои берунии ғайримуқаррарии Birmingham ҷузъҳои хишт ва изолятсияро аз далелҳои визуалӣ дуруст бароварда тавонистааст.

Самаранокӣ дар деворҳои дохилӣ ва берунӣ

Азбаски деворҳои ҷудокунандаи дохилӣ одатан сохторҳои такроршаванда ба монанди гипсокартон, сутун ва изолятсия доранд, модел дар ин деворҳо муваффақтар буд. Деворҳои берунӣ бошад метавонанд хишт, бетон, рӯйпӯш, холигии ҳавоӣ, изолятсия ва қабатҳои гуногуни борбардорро дар комбинатсияҳои мухталиф дошта бошанд ва хатои бештар нишон доданд.

Тасвири гармӣ воқеан чӣ қадар саҳм гузошт?

Саҳми тасвири гармӣ ба сифати тасвир ва фарқи ҳарорат байни ду тарафи девор вобаста аст. Дар таҳқиқот гуфта мешавад, ки барои равшан дидани сутунҳо фарқи устувори ҳарорат дар тӯли девор тақрибан ҳадди ақал 5–10 °C муфид аст.

Ин фарқ метавонад дар шароити зерин ба вуҷуд ояд:

• Дар зимистон байни муҳити дохилӣ ва берунӣ,
• Ҳангоми гарм шудани девори берунӣ аз офтоб,
• Субҳи барвақт пас аз гармкунии шабона,
• Бо истифодаи гармкунии муваққатии назоратшаванда.

Дар деворҳои ҷудокунандаи дохилӣ фарқи табиии ҳарорат аксаран заиф аст. Дар ин ҳолат камераи гармӣ танҳо фарқҳои хеле хурди ҳарорати сатҳро дар наздикии сутунҳо муайян карда метавонад.

Таҷрибаи беҳсозии тасвири гармӣ

Муҳаққиқон тасвирҳои гармиро бо се тарзи гуногун коркард карда, самаранокиро муқоиса карданд:

• Ҳамон тавре, ки аз нармафзори камера баромадааст,
• Бо танзимоти умумии exposure, offset ва gamma барои ҳар шаҳр,
• Бо танзими дастии ҳар тасвир тавассути Adobe Photoshop 2025.

Табдили тасвири гармӣ дар таҳқиқот бо амалҳои зерин ифода шудааст:

\[ x=img\cdot 2^{EXPOSURE}+OFFSET \]

\[ x=[\min(\max(x,0),1)]^{1/GAMMA} \]

\[ x=\min(\max(x,0),1) \]

Дар ин ҷо:

• \(img\), массиви ибтидоии тасвири гармӣ,
• \(EXPOSURE\), ислоҳи exposure,
• \(OFFSET\), тағйири равшанӣ,
• \(GAMMA\), қимати gamma-и назораткунандаи тақсимоти тон,
• \(x\), қимати тасвири коркардшударо ифода мекунад.

Дар таҳқиқот \(OFFSET=-0,23\) ва \(GAMMA=0,53\) истифода шуданд. Қимати exposure барои San Francisco ва Birmingham 0,6; барои Boston ва Toronto 1,5 интихоб шуд.

Беҳсозии дастӣ дақиқиро зиёд кард; аммо коркарди автоматии махсуси шаҳр хатои карбонро аз %27 то %30 зиёд намуд. Ин нишон медиҳад, ки беҳсозии тасвир дар ҳар метрика ва ҳар намуна ҳамеша яксон фоида намедиҳад.

Таҳлили хато чиро нишон дод?

Муҳаққиқон хатоҳоро ба шаш категория ҷудо карданд:

1. Муайянкунии нодурусти қабати марзии берунӣ,
2. Пешгӯии нодурусти системаи сохторӣ ё сутундор,
3. Пешгӯии нодурусти шумораи сутунҳо,
4. Муайянкунии нодуруст, ки сутун металлӣ аст ё чӯбӣ,
5. Пешгӯии нодурусти мавҷудияти ҷузъҳои MEP,
6. Натавонистани ҷойгир кардани ҷузъи MEP дар фосилаи дурусти байни сутунҳо.

Навъҳои иловагии маълумот махсусан хатои системаи сохторӣ ва навъи сутунро кам карданд. Моделе, ки танҳо GIS истифода мекард, масалан ба фарзияҳои умумӣ мисли паҳн будани сутунҳои металлӣ дар биноҳои тиҷоратии баъди соли 1980 такя мекард. Вақте тасвирҳои гармӣ намунаи воқеии сутунҳоро қисман нишон доданд, ин навъи хатои фарзиявӣ кам шуд.

Хатои ҷойгиркунии MEP бошад бо илова шудани навъҳои маълумот ба таври назаррас кам нашуд. Модел метавонад фаҳмад, ки розетка ё қубури барқӣ вуҷуд дорад, аммо боэътимод муайян карда наметавонад, ки он дақиқ байни кадом сутунҳо ҷойгир аст. Муҳаққиқон инро ба маҳдудияти spatial reasoning-и нозуки моделҳои имрӯзаи VLM нисбат медиҳанд.

Модел воқеан аз тасвирҳо хулоса мебарорад ё ба намунаҳои сохтмони азёдшуда такя мекунад?

Ин савол яке аз муҳимтарин муҳокимаҳои илмии таҳқиқот аст. Азбаски моделҳои тасвир-забон дар матн ва тасвирҳои миқёси интернет пешомӯхта шудаанд, онҳо дар бораи системаҳои маъмултарини сохтмон донишҳои умумӣ доранд. Масалан, ҳангоми гуфта шудани “девори ҷудокунандаи дохилии офиси тиҷоратӣ”, модел ҳатто бе далели визуалӣ метавонад ба сутунҳои металлӣ, шишапахта ва гипсокартон майл кунад.

Муҳаққиқон афзоиши дақиқӣ аз танҳо GIS то ҳамаи навъҳои маълумотро ҳамчун далели мултимодалии воқеӣ арзёбӣ мекунанд. Дуруст шинохтани баъзе комбинатсияҳои ғайримуқаррарии хишт ва изолятсия дар Birmingham аз маълумоти визуалӣ низ нишон медиҳад, ки модел танҳо шаблони пешфарзро такрор намекунад.

Баръакс, пешгӯии хатоии системаи сутундор дар деворҳои блоки бетонии Birmingham нишон медиҳад, ки фарзияҳои маъмулии сохтмон, ки дар pretraining омӯхта шудаанд, баъзан бар далелҳои воқеӣ ғолиб меоянд.

Таҳқиқот наметавонад дақиқ ҷудо кунад, ки чӣ қадар муваффақияти модел аз далели мултимодалӣ ва чӣ қадар аз намунаҳои сохтмони дар pretraining омӯхташуда меояд. Ин фарқият ҳамчун саволи кушодаи таҳқиқотӣ боқӣ мондааст.

Чаро сканери радиобасомади девор ба таҷрибаи асосӣ дохил нашуд?

Муҳаққиқон инчунин дастгоҳи Walabot ва системаи ченкунии radio frequency-ро бо филтркунии махсус озмоиш карданд. Ин дастгоҳ метавонад сутунҳои чӯбӣ ва металлӣ ва баъзе қубурҳоро ошкор кунад.

Аммо ченкуниҳо пурғавғо буданд, коркарди пас аз ченкунии зиёд талаб карданд ва нисбат ба тасвири гармӣ маълумоти иловагии маҳдуд доданд. Аз ин рӯ, маълумоти radio frequency ба ҷадвалҳои асосии самаранокӣ дохил карда нашуд.

Табдил ба BIM ва модели сеандоза

Скрипти proof-of-concept таҳия шуд, ки графи JSON-и васли деворро ба 3D mesh model табдил медиҳад. Ҳар гиреҳи қабат ба қабати геометрии мавод, ва зергиреҳҳои MEP ба ҷузъҳои вобаста ба девор табдил дода мешаванд.

Муҳаққиқон мегӯянд, ки аз нигоҳи техникӣ пайвастани ин ба workflow-ҳои Revit ва IFC имконпазир аст:

• Гиреҳҳои қабат метавонанд ба навъҳои васли девори Revit,
• Гиреҳҳои розетка, қубур ва канал ба family instances-и дар девор ҷойгиршаванда,
• Рӯйхати мавод ба ҳисобкунакҳои карбони дарунсохт интиқол дода шаванд.

Бо вуҷуди ин, нишон дода нашудааст, ки система ҳамаи BIM family ва IFC schema-ҳоро ба таври автоматӣ дастгирӣ мекунад. Барои интегратсияи пурра ва бехатои BIM муҳандисии иловагӣ лозим аст.

Таъсири эҳтимолӣ дар зиндагии ҳаррӯза ва соҳа чист?

Агар чунин система боэътимод шавад, махсусан дар портфелҳои калони бино метавонад воситаи муҳими пешфилтркунӣ бошад. Як деворро мутахассиси таҷрибадор метавонад бо нақшаҳои мавҷуда ва модели Revit арзёбӣ кунад. Потенсиали асосӣ дар он аст, ки пешгӯии аввалияи садҳо девори як бино ба таври автоматӣ истеҳсол шавад.

Самтҳои эҳтимолии истифода:

• Муайян кардани деворҳое, ки пеш аз навсозӣ метавон ҳифз кард,
• Пешгӯии миқдори маводи барқароршаванда пеш аз ҷудокунӣ,
• Омода кардани инвентаризатсияи карбони дарунсохт,
• Арзёбии аввалияи деворҳое, ки маълум нест изолятсияи садо доранд ё не,
• Пешгӯии системаҳои пинҳонии механикӣ паси сақф,
• Сохтани шиносномаи мавод барои тамоми бино,
• Афзалият додан ба нуқтаҳои муҳим барои borescope ё кушодани физикӣ.

Ин workflow-ро воқеъбинона беҳтар аст на ҳамчун ивазкунандаи бечунучарои destructive testing, балки ҳамчун decision support-и бар risk асосёфта арзёбӣ кард, ки муайян мекунад дар куҷо тасдиқи харобкунанда зарур аст.

Ҷанбаҳои қавии таҳқиқот

• Пешниҳоди сохтори чандир, ки бо шумораи тағйирёбандаи навъҳои маълумот кор мекунад,
• Истеҳсоли на танҳо нишонаи синфӣ, балки графи иерархӣ ва ба BIM табдилшаванда,
• Тасдиқи назоратшаванда бо макети физикии деворе, ки мундариҷааш дақиқ маълум аст,
• Гузаронидани кӯшиши external validation бо деворҳои воқеӣ дар чор шаҳр,
• Чен кардани ҳам дақиқии сохторӣ ва ҳам хатои карбони дарунсохт,
• Арзёбии тағйирёбии модел бо панҷ бор иҷро кардани ҳар девор ва комбинатсияи маълумот,
• Омӯхтани таъсири сифати тасвири гармӣ бо ablation study-и алоҳида,
• Ҷудо кардани хатоҳо ба категорияҳои маънодор ба монанди boundary layer, structural system, stud ва MEP,
• Муҳокимаи ошкорои таъсири эҳтимолии bias-и модели пешомӯхташуда.

Маҳдудиятҳои таҳқиқот

• Таҳқиқот preprint буда, аз peer review нагузаштааст.
• Маҷмӯи маълумоти ҷаҳони воқеӣ танҳо аз 22 девор иборат аст.
• Намунаҳо бо биноҳои тиҷоратии офисӣ маҳдуданд.
• Хонаҳои истиқоматӣ, биноҳои таърихӣ, деворҳои сангӣ, mass timber ва системаҳои маҳаллии сохтмони ғайриҒарбӣ тасдиқ нашудаанд.
• Мундариҷаи истинодии деворҳои воқеӣ бо destructive testing тасдиқ нашудааст.
• Муваффақияти тасвири гармӣ ба фарқи ҳарорат, камера, resolution ва image processing сахт вобаста аст.
• Дар таҷрибаи макет тасвири гармии resolution-и баланд пеш аз насби қабати охирини гипсокартон гирифта шудааст.
• Модел дар тафсири floor plan-ҳои калон ва crop-нашуда душворӣ дошта метавонад.
• VLM-ҳои мавҷуда point cloud-и сеандозаро табиатан коркард карда наметавонанд.
• Навъҳои мухолифи маълумот баъзан метавонанд ба ҷои зиёд кардани дақиқӣ онро коҳиш диҳанд.
• Ҷойгиркунии дурусти ҷузъҳои MEP дар фосилаи байни сутунҳо заиф боқӣ монд.
• Намунаҳои маъмулии сохтмон, ки қаблан омӯхта шудаанд, метавонанд дар деворҳои ғайримуқаррарӣ ба фарзияҳои хато оварда расонанд.
• Дар ҳисобкунии карбон ба ҷои EPD-и маҳсулоти воқеӣ коэффисиентҳои миёна ва фарзияҳои собити андозаи девор истифода шудаанд.
• Мутобиқати пурраи графи JSON бо IFC ва Revit ба таври ҳамаҷониба тасдиқ нашудааст.
• Workflow ба версияи модел ва тарҳи prompt вобаста аст; дар VLM-ҳои дигар ҳамон натиҷа кафолат дода намешавад.

Таҳқиқот чӣ мегӯяд ва чӣ намегӯяд?

Барои оянда кадом такмилҳо пешниҳод мешаванд?

Муҳаққиқон барои оянда корҳои зеринро пешниҳод мекунанд:

• Тасдиқи ҷисмонии баъзе деворҳо бо borescope ё кушодани назоратшаванда,
• Метрикаҳои арзёбӣ, ки ба хатоҳое, ки аз ҷиҳати сохторӣ муҳиманд, ҷаримаи бештар медиҳанд,
• Зермоделҳои махсус барои таҳлили тасвири гармӣ, floor plan ва RGB,
• Fine-tuning дар маҷмӯи маълумоти калонтар ва ҷисман тасдиқшуда,
• Истифодаи retrieval-augmented generation дар асоси базаҳои маълумоти сохтмон,
• Миқёспазирӣ аз як девор ба инвентаризатсияи тамоми ошёна ё бино,
• Истиҳсоли автоматии андозаҳои девор аз point cloud ва floor plan,
• Тавлиди тарҳи reuse-oriented аз рӯи маводи пешгӯишуда.

Усул ва Натиҷаҳои Таҳқиқот

Хулосаи техникии усул

Тарҳи таҷриба

Дастгоҳҳои ҷамъоварии маълумот

• Барои тасвирҳои RGB iPhone 13 Pro,
• Барои тасвирҳои гармӣ камераҳои FLIR Boson ва Micro-Epsilon TIM QVGA,
• Барои скани таҷрибавии radio frequency системаи асосёфта ба Walabot истифода шуд.

Натиҷаҳои асосии самаранокӣ

Маънои шакл ва ҷадвалҳо

Шакли 1, нишон медиҳад, ки чӣ гуна воридоти GIS, нақшаи ошёна, RGB ва гармӣ аз графи фишурда ба васли муфассали девор ва пешгӯии ensemble табдил меёбанд. Дар маркази ҷараён representation-и графӣ дар формати JSON қарор дорад.

Шакли 2, марҳилаи сохтмони макети физикии девор, сатҳи анҷомшуда, модели рақамӣ, нақшаи ошёна, акси RGB ва тасвирҳои гармиро паҳлӯ ба паҳлӯ нишон медиҳад. Тасвир нишон медиҳад, ки тасвири гармӣ баъзе сутунҳоро намоён мекунад, аммо унсурҳои паси изолятсияро пинҳон карда метавонад.

Ҷадвали 1, ҳамаи комбинатсияҳои имконпазири маълумотро дар таҷрибаи макет муқоиса мекунад. Он ки баъзе комбинатсияҳои ду модалӣ аз бастаҳои дорои маълумоти бештар беҳтар будаанд, нишон медиҳад, ки воридоти мухолиф метавонад самаранокии моделро коҳиш диҳад.

Ҷадвали 3, дар деворҳои намунавӣ аз Boston, San Francisco, Birmingham ва Toronto нақшаи ошёна, RGB, тасвири гармӣ, графи пешгӯӣ, графи истинодӣ ва моделҳои сеандозаро муқоиса мекунад. Намунаҳо нишон медиҳанд, ки ҳамон модел дар баъзе деворҳо метавонад дақиқии комил ё баланд диҳад, дар ҳоле ки дар баъзе деворҳои берунӣ танҳо 0,30 дақиқӣ медиҳад.

Ҷадвали 4, натиҷаи асосии миқдории таҳқиқотро медиҳад. Бо зиёд шудани навъҳои маълумот дақиқии умумӣ аз 0,54 то 0,76 меафзояд; хатои карбон аз %104 то %26 коҳиш меёбад.

Шакли 4, шаш категорияи хатоҳоро муқоиса мекунад. Дар ҳоле ки шинохти системаи сохторӣ ва навъи сутун бо маълумоти иловагӣ ба таври назаррас беҳтар мешавад, ҷойгиркунии MEP душвор боқӣ мемонад.

Ҷадвали 7, нишон медиҳад, ки беҳсозии тасвири гармӣ метавонад афзоиши хурд, вале ченшавандаи дақиқӣ диҳад. Беҳтарин натиҷа дар шароите ба даст омад, ки ҳар тасвир алоҳида дастӣ беҳ карда шуд.

Ҷадвали 9, нишон медиҳад, ки ҳамон workflow дар версияи навтари VLM бе омӯзиши иловагӣ натиҷаи беҳтар додааст. Ин натиҷа даъвои он ки усул метавонад аз пешрафти моделҳо баҳра барад, дастгирӣ мекунад; аммо кафолат намедиҳад, ки дар версияҳои ояндаи модел самаранокӣ ҳатман меафзояд.

Ёддошт оид ба Манбаъ ва Усул

Ин мундариҷа ба таҳқиқоти Nikita Klimenko, Martin JJ. Bucher, Fopefoluwa Bademosi, Lorenzo Villaggi, Dale Zhao ва David Benjamin бо унвони “Seeing Inside Walls for Retrofit and Reuse: Multimodal Reasoning with Vision-Language Models for Hidden Wall Assemblies” асос ёфтааст.

Таҳқиқот як мақолаи тадқиқотии preprint мебошад, ки нусхаи электронии он тавассути SSRN нашр шуда ва гуфта шудааст, ки ба Elsevier пешниҳод гардидааст. Дар ҳуҷҷат ба таври равшан “This preprint research paper has not been peer reviewed” навишта шудааст. Аз ин рӯ, таҳқиқот аз peer review нагузаштааст. Дар PDF DOI-и тасдиқшаванда ё маълумоти қабули ниҳоии маҷалла мавҷуд нест.

Таҳқиқот workflow-и таҷрибавии нармафзорӣ дар асоси модели тасвир-забон, макети физикии девор, 22 девори воқеӣ дар чор бинои тиҷоратӣ, пешгӯии графи сохторӣ, тасвиргирии гармӣ ва RGB, табдили BIM ва ҳисобкунии карбони дарунсохтро дар бар мегирад.

Васлҳои истинодии деворҳои воқеӣ бо destructive testing тасдиқ нашудаанд. Тамғаҳои истинодӣ бо истифода аз моделҳои Revit, файлҳои BIM, нақшаҳои меъморӣ, сканҳои гармӣ ва арзёбии коршиносон омода шудаанд. Аз ин рӯ, таҳқиқот на тасдиқи ҷисмонии дақиқи мундариҷаи девор, балки беҳтарин reference estimate-ро бо истифода аз чанд манбаъ дар шароити маълумоти мавҷуда истифода мебарад.

Дақиқии дар мақола гузоришшуда монандии сохтори графро ба графи истинодӣ чен мекунад. Ин қимат маънои онро надорад, ки модел ҳамаи маводҳо ё ҷузъҳои MEP-ро бо ҳамон фоиз дуруст муайян кардааст. Хатои нисбии карбони дарунсохт бошад бо фарзияҳои коэффисиентҳои стандартии мавод, баландии 10 фут ва фосилаи 16 инч байни сутунҳо ҳисоб шудааст; он life cycle analysis-и тасдиқшудаи бинои воқеӣ нест.

Версияҳои VLM, prompt-ҳо ва натиҷаҳои дар таҳқиқот истифодашуда ҳамон тавре ки дар PDF гузориш шудаанд, интиқол дода шудаанд. Силсилаҳои дақиқии %47–%74 ва %54–%76 дар таҳқиқот мутаносибан ба муқоисаи GPT-5.2 ва GPT-5.4 алоқаманданд.

Муаллифон гуфтаанд, ки ҳангоми таҳияи мақола Claude Sonnet 4.5-ро барои сохторбандии параграфҳо, ислоҳи грамматика, беҳсозии ҷараён ва кӯтоҳ кардани баъзе қисмҳо истифода кардаанд; мундариҷаи ниҳоиро худи онҳо баррасӣ карда, масъулиятро ба уҳда гирифтаанд.

Ин мундариҷа танҳо ба таҳқиқоти дар PDF-и пешниҳодшуда асос ёфтааст. Даъвоҳои дар PDF мавҷуднабуда дар бораи муайянкунии дақиқи девор, кафолати бехатарӣ, дақиқии автоматии BIM, муваффақияти тиҷоратии саҳроӣ ё умумисозӣ ба ҳамаи навъҳои сохтмон илова нашудаанд.